@Article{, title={Finite Impulse Response Bank Filter for Electroencephalographic Artifacts Removal استخدام المرشح البنكي الرقمي ذو الاستجابة المحدودة لازالة الضوضاء من اشارة التخطيط الدماغي}, author={Faris Ali Jasim فارس علي جاسم and Hanan A. R. Akkar حنان عبد الرضا عكار}, journal={Iraqi Journal of Information Technology المجلة العراقية لتكنولوجيا المعلومات}, volume={8}, number={1 اللغة الانكليزية}, pages={19-37}, year={2017}, abstract={The recording of brain's electrical activity over a period of time is called electroencephalogram EEG signal. EEG became cardinal tool for diagnosing and managing malfunctions and various brain disorders. It is very complex to analyze continuous EEG signals. These signals can be categorized to different kinds according to the frequency: Delta (0.5 – 4Hz), Theta (4 -7.5Hz), Alpha (7.5 – 12Hz), Beta (12 -30Hz), and Gamma (above 30Hz). Since EEG signals are categorized by their very small amplitudes, they can be easily polluted by noise. These noises are called the artifacts. These artifacts need to be removed before processing and analyzing the EEG signal. In general, an EEG signal which represents brain neuronal activity is contaminated with noises, artifacts, and external interferences. Therefore it is important to separate the required frequency band information from such noises. Different methods for noise and artifact removing are available and implemented. Filtering these interference signals might remove some relevant EEG information, and therefore care must be taken while choosing one of the preprocessing methods. This paper presents a detail analysis of EEG de-noising using law pass Butterworth filter, packet wavelet transforms (PWT), and FIR bank filter. All the above methods are simulated and tested using MATLAB 2013 software environment and their performance evaluation can be done by measuring the parameters like SNR, PSNR, MSE and MAE. The EEG database is freely acquired from MIT-BIH arrhythmia database. This EEG signals was polluted with white random external noise. The FIR bank filter gives the optimal noise removal results according to measuring parameters.

عملية تسجيل النشاط الكهربائي للمخ على مدى فترة من الزمن تسمى إشارة التخطيط الدماغي الكهربائي EEG. التخطيط الدماغي أصبح أداة أساسية لتشخيص امراض واضطرابات الدماغ المختلفة. عملية تحليل إشارات EEG تعتبر من العمليات المعقدة. ويمكن تصنيف اشارة EEG إلى أنواع مختلفة من الاشارات وفقا للتردد: دلتا (0.5 – 4 هرتز)، ثيتا (4- 7.5هرتز)، ألفا (7.5-12 هرتز)، بيتا (12-30 هرتز)، وغاما (فوق 30 هرتز). بما ان إشارات EEG تتميز بالسعة القليلة جداً، لذا يمكن أن تلوث بسهولة بالضوضاء. قبل معالجة وتحليل اشارات EEG يجب ازالة هذه الضوضاء. وبصفة عامة، إشارة EEG التي تمثل نشاط الخلايا العصبية في الدماغ تكون ملوثة بالضوضاء، والتداخلات الخارجية. ولذلك من المهم عزل المعلومات الموجودة في حزم التردد عن هذه الضوضاء. تم تنفيذ وتصميم أساليب مختلفة لازالة الضوضاء. بعض المعلومات المتوفرة في اشارة EEG قد تفقد عند ازالة الضوضاء لذا يجب توخي الحذر في اختيار الطريقة المناسبة. في هذا البحث نعرض تحليل تفصيلي لازالة الضوضاء من اشارة التخطيط الدماغي باستخدام مرشح بتروورث للترددات القليلة ، مرشح تحويلات حزمة المويجات (PWT)، والمرشح البنكي الرقمي المعروف بالمرشح ذو الاستجابة المحددة( (FIR . تم تنفيذ ومحاكاة جميع المرشحات المذكورة باستخدام بيئة ماتلاب 2013 . تقييم اداء المرشحات تمت عن طريق قياس مجموعة من البارالميترات مثل نسبة الاشارة الى الضوضاء (SNR)، اعلى نسبة اشارة الى الضوضاء (PSNR ) ، الوسط التربيعي للخطا (MSE ) ، و الوسط المطلق للخطا (MAE ). تم تجميع بيانات التخطيط الدماغي من الانترنيت عبر موقع MIT- BIH الخاص ببيانات ضربات القلب وتخطيط الدماغ. قبل تمرير اشارة EEG على المرشحات تم اضافة ضوضاء خارجية عشوائية لتلويث الاشارة الاصلية. المرشح البنكي الرقمي اعطى افضل الطرق ازالة الضوضاء وفقا للبارامترات المقاسة.} }